对话系统

基于节点的统一对话系统 这是使用Unity的GraphView API的基于节点的视觉叙事流程创建工具。 产品特点 无限分支和合并对话功能。 对话和图形保存/加载系统。 小地图可轻松导航。 搜索窗口以创建节点。 黑板和裸露的财产支持。 用于对节点进行分组的注释块。 由Unity的嵌入式GraphView API支持。 包装中提供的样品。 用法 Graph生成对话框，并将其作为可编写脚本的对象保存到Resources文件夹中。 创建一个字段作为DialogueContainer 使用DialogueContainer访问DialogueNodeData和NodeLinks 节点

CDial GPT 本项目提供了一个大规模中文对话数据集，并提供了在此数据集上的中文对话预训练模型（中文GPT模型），更多信息可参考我们的。 本项目代码修改自 ，使用了HuggingFace Pytorch版的库，可用于预训练与微调。 目录 消息 2021-02-28：一个，欢迎大家提bug和加速优化算法，以及新的清洗功能等等。 2021-01-09：实验室出版新书 ，欢迎大家阅读购买。 2020-11-20：预训练模型新工作 。本工作将词级的语言学知识（包括词性和词的情感极性）。表示模型SentiLARE，欢迎大家使用。 2020-10-18：我们的论文《大规模中文短文本对话数据集》获得了NLPCC2020最佳学生论文奖。 :party_popper: :party_popper: :party_popper: 2020-09-08：感谢所提供的。 2020-09-02：可用加载，感谢苏剑林提供代码。 我们所提供的数据集LCCC（大规模汉语清洁会话

知识驱动对话2019-lic 2019语言与智能技术竞赛B榜第5名方案由于线上部署对时间有要求，最终提交人工评估的版本删除了一些主题特征，导致模型结果有所下降，最终人工评估第9名。A榜第四B榜第五 概述 为了建立主动对话聊天机器人，我们使用了所谓的世代重排方法。 首先，生成模型（Multi-Seq2Seq）产生一些候选答案。 接下来，重新排序模型负责执行查询-答案匹配，以针对所产生的候选者尽可能多地选择答复。 现在可以通过详细的描述我们的解决方案的论文，请检查。 数据扩充 我们使用了四种数据增强技术：实体泛化，知识选择，切换，对话提取来构建用于训练Seq2Seq模型的多个不同数据集。 可以使用脚本Seq2Seq / preclean _ *。py稍加修改参数即可获得6个数据集。 Seq2Seq模型 为了整体目的，我们选择不同的编码器和解码器，即LSTM单元和Transformer。 这部

Obi Cloth+Obi Rope+Ngui+Tween+PoolManager+Vectrosity+Avpro+hs+dialogue

NLP-Paper | Still work 本人在学习的过程中阅读过的论文就更新上来，对于自己精读的论文，会写一些阅读笔记上传，有兴趣的也可以一同分享完善。(内容同步更新到、) 注：对部分复现论文代码以及NLP其他工具代码放在这 ☞ Contents | 内容 Summarize | 综述 ：对话系统的最新研究和方向 | Chen et al,2017 Recent Advances and Challenges in Task-oriented Dialog Systems | 阅读笔记：面向任务型对话系统的最新研究和方向 | Zhang et al,2020 Pre-trained Models for Natural Language Processing: A Survey | 阅读笔记：超详细的NLP预训练语言模型总结清单 | Xipeng Qiu et al,2020 Pre

Unity插件 Dialogue System for Unity ，实现对话系统，任务系统等 v2.2.22

Dialogue System for Unity2.2.21

医疗对话系统 MedDialog数据集（中文）包含医患之间的对话（中文）。 它具有110万对话和400万言语。 数据在不断增长，将增加更多的对话。 原始对话来自haodf.com。 数据的所有版权均属于haodf.com。 原始数据可被下载 ，您也可以从访问数据预处理 。 此中描述了数据集的详细信息 如果您发现此数据集有用，请引用： @article{chen2020meddiag, title={MedDialog: a large-scale medical dialogue dataset}, author={Chen, Shu and Ju, Zeqian and Dong, Xiangyu and Fang, Hongchao and Wang, Sicheng and Yang, Yue and Zeng, Jiaqi and Zhang, Ruisi and Z

cr:Toyhom 本数据集由Toyhom提供。 LICENSE.txt sample_IM5000-6000.csv chinese medical dialogue_datasets.zip